Enhancing anti-icing efficacy in hybrid polyurethane coatings: Evaluating the significance of molecular weight, chemical structure, and content of PEG/PDMS
Notice bibliographique
Résumé
• The potential of PEG/PDMS copolymers to significantly enhance the anti-icing properties of polyurethane coatings. • Evaluating the role of PEG/PDMS copolymers in enhancing anti-icing properties. • Identifying a QLL that inhibits ice nucleation and decreases ice adhesion melting in an unfrozen interfacial layer. • Assessing how molecular weight and chemical structure of PEG/PDMS copolymers influence the anti-icing efficacy. This study investigates the advantages of adding polydimethyl siloxane/polyethylene glycol (PEG/PDMS) copolymers to polyurethane coatings, with a particular focus on optimizing anti-icing efficacy. A range of characterization techniques are applied, including attenuated total reflectance-Fourier transform infrared (ATR-FTIR) spectroscopy, X-ray photoelectron spectroscopy (XPS) analysis, surface roughness measurements, wettability analysis, tensile testing, and ice adhesion measurements, to elucidate the intricate relationships between copolymer molecular weight, chemical structure, and content and their collective effect on the anti-icing properties of the developed coatings. Tailored PEG/PDMS copolymers significantly reduce ice nucleation temperatures and enhance the anti-icing properties of polyurethane coatings. Adding PEG/PDMS copolymers to polyurethane alters the surface roughness, wettability, and mechanical properties of the coatings to improve anti-icing performance. The presence of copolymers decreases ice adhesion strength (<50 kPa), attributed to the formation of a quasi-liquid layer that acts as a lubricant between the ice and the coatings, and delays ice formation. Furthermore, the enhanced durability of copolymer-containing coatings ensures a long-lasting anti-icing effect after multiple icing/de-icing cycles, although some degradation was observed over time. The tailored PEG/PDMS copolymers demonstrate potential for maximizing the anti-icing properties of polyurethane coatings and advancing anti-icing technologies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».